Columna RDCF

Imagen: de la red (Wortev Capital)

La inteligencia artificial (IA) se está incorporando, de manera gradual, a los procesos productivos de la industria manufacturera. Su uso ya no se limita a pruebas o pilotos, hoy se observa en aplicaciones operativas relacionadas con control de calidad, planeación de la producción, mantenimiento predictivo y gestión de riesgos. En México, esta evolución es relevante por el peso de la manufactura en la generación de valor, el empleo formal y la competitividad externa.

Un análisis elaborado por Latinometrics en colaboración con Siemens describe, con base en información de INEGI y experiencia industrial, los ámbitos manufactureros donde la IA ya se utiliza de forma práctica. El propósito del documento es caracterizar el avance y la distribución sectorial de la adopción tecnológica en el país (Latinometrics & Siemens, 2026).

En entornos industriales, la IA funciona como un conjunto de sistemas que, a partir de datos, generan predicciones, recomendaciones o decisiones aplicables a procesos específicos. Su desempeño depende de condiciones previas que no siempre están disponibles en todas las empresas como la conectividad, digitalización básica, estandarización de procesos, calidad de datos y capital humano con capacidades técnicas. Esto implica que la adopción no se explica únicamente por la existencia de software, sino por el nivel de preparación organizacional y tecnológica.

El documento identifica subsectores donde la IA se está aplicando de forma operativa, con funciones directamente vinculadas al desempeño productivo:

1) Industria automotriz. En entidades como Guanajuato, se reportan usos en inspección visual, control automatizado de calidad y monitoreo de seguridad laboral. Estas aplicaciones suelen aparecer primero en procesos estandarizados y sujetos a exigencias internacionales de calidad. Desde la teoría económica, este patrón es consistente con esquemas de automatización complementaria, donde la tecnología reconfigura tareas e incrementa productividad sin sustituir de manera total el trabajo humano (Acemoglu & Restrepo, 2020).

2) Manufactura de precisión. En estados como Querétaro, se describe el uso de IA para anticipar cuellos de botella, detectar fallas recurrentes y evaluar riesgos asociados a proveedores. El foco está en eficiencia del proceso y continuidad operativa. En términos schumpeterianos, esto se asocia a innovación de proceso, es decir, cambios en el método de producción que elevan productividad aun si el producto final no cambia de forma sustantiva (Schumpeter, 1942).

3) Electrónica y equipo eléctrico. El análisis ubica adopción relevante en subsectores como electrónica y equipo eléctrico, donde el uso intensivo de datos y la automatización favorecen la integración de modelos. En estos casos, la IA opera como infraestructura productiva basada en activos no físicos. La literatura sobre capital intangible señala que una parte creciente del crecimiento y la productividad se asocia a software, datos y capacidades organizacionales (Corrado, Hulten, & Sichel, 2009).

4) Bebidas y tabaco. Se mencionan avances en bebidas y tabaco en empresas de gran escala, con ejemplos como FEMSA. Este desempeño suele ser compatible con economías de escala digitales, donde el volumen de operaciones y datos incrementa el retorno de integrar analítica avanzada y modelos en la toma de decisiones operativas (Varian, 2019).

Un hallazgo central es que la adopción de IA tiende a concentrarse en empresas grandes, mientras que las pequeñas y medianas muestran niveles significativamente menores. Este rasgo coincide con evidencia internacional. En la Unión Europea, por ejemplo, se observan diferencias marcadas por tamaño, las empresas grandes reportan mayor adopción que las pymes (Eurostat, 2025).

Desde la teoría del crecimiento endógeno, esta concentración se relaciona con costos fijos de adopción, rendimientos crecientes del conocimiento y barreras de entrada tecnológicas. Cuando no existen mecanismos eficaces de difusión, la innovación tiende a concentrar beneficios en quienes ya cuentan con escala, infraestructura y capacidades internas (Romer, 1990).

En líneas finales, para la ciencia fiscal, el análisis sectorial de la IA importa por su dimensión estructural. La adopción de IA puede elevar productividad, reorganizar procesos y modificar la forma en que se genera excedente económico dentro de las empresas. Si la adopción se concentra, también se concentran beneficios productivos, lo que puede influir en la dinámica competitiva y en la trayectoria futura de la base económica.

Es cuánto.

Alma Cienfuegos | Reflexiones desde la Ciencia Fiscal.